基于再生核滤波器的边缘保护图像插值方法

图像插值是数字图像处理中的一个关键问题,提出一种基于再生核的滤波器的图像插值方法。在H²（R）空间中,可以构造出再生核滤波器并推出插值公式。根据范数理论,再生核滤波器具有良好的逼近效果。实验结果表明：该算法能够克服其它算法的缺点,获取的高分辨率图像既能够保持图像的边界信息,又能保证图像的光滑性。     

基于边界程度的图像插值算法

为了有效地消除传统图像插值中出现的边缘锯齿现象,提出了基于边界程度的图像插值算法。该算法充分考虑自然图像边缘缓慢变化的特点,在图像边缘平滑的假设下,采用边界程度信息来抑制锯齿现象。实验结果表明,该算法能够很好地解决图像插值中的边缘锯齿现象问题,且不会产生其他明显的人工痕迹。此外,该算法还保持了传统插值算法简单有效的特点,实现和应用起来都比较方便。     

边缘保持的核回归图像插值方法

研究核回归图像插值问题,基于各向异性距离方法,提出一种边缘保持的核回归图像插值方法。分析不同参数对该方法以及 Steering核回归方法的影响。实验结果表明,边缘保持的核回归图像插值方法对于参数变化具有较强的稳定性,算法鲁棒性较高,插值图像的边缘信息也得到更好的保持。     

基于边缘信息的图像自适应插值算法

通过将图像分为非边缘部分和边缘部分,得出了一种基于图像边缘信息的图像插值算法.根据边缘部分映射点邻域图像的复杂程度,自适应地调节插值权值的图像插值方法.应用该算法插值后的边界清晰、自然, 忠实地反映了原始图像的面貌,与传统的插值算法相比,其边界处理效果好且易于实现,实验也验证了该方法的有效性.     

基于局部梯度的WaDi图像插值

线性插值算法容易产生细节模糊和边缘锯齿效应,为了较好地保持图像的边缘信息,改善图像的主观视觉效果,提出了一种改进的WarpedDistance(WaDi)图像插值方法.传统的WaDi算法是对空间线性插值的改进,但它仅仅利用了图像边缘的局部不对称特征来计算WaDi.除了局部不对称特征,局部梯度特征也是图像边缘的一种重要特征.文中采用将局部不对称特征和局部梯度特征相结合的方法来计算WaDi,可同时保持图像边缘的细节特征和非边缘的光滑性.实验结果表明,用该方法能获得高精度的插值图像.     

基于局部梯度的WaDi图像插值

线性插值算法容易产生细节模糊和边缘锯齿效应,为了较好地保持图像的边缘信息,改善图像的主观视觉效果,提出了一种改进的Warped Distance（WaDi）图像插值方法。传统的WaDi算法是对空间线性插值的改进,但它仅仅利用了图像边缘的局部不对称特征来计算WaDi。除了局部不对称特征,局部梯度特征也是图像边缘的一种重要特征。文中采用将局部不对称特征和局部梯度特征相结合的方法来计算WaDi,可同时保持图像边缘的细节特征和非边缘的光滑性。实验结果表明,用该方法能获得高精度的插值图像。     

基于联合双边滤波的纹理合成上采样算法

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成纹理应用空间滤波,而将一相似的边界滤波联合地应用在高分辨率的样本纹理上.该算法克服了传统的以光滑性为先验引导条件的上采样方法会导致图像特征模糊的缺点,使获得的上采样纹理图像保持纹理特征,同时视觉上光滑.文中给出了图像和视频纹理合成结果的上行采样算法.实验结果表明,文中的方法减小了优化纹理合成过程所需的时间和空间,获取了更好的图像和视频合成纹理上采样效果.     

参数优化的有理函数图像插值算法

有效保持图像纹理细节,且使图像边缘区域不失真一直是图像插值技术的一个难题,为此提出了一种基于参数优化的有理函数图像插值算法.首先,构造一类含有可调参数的C2连续有理插值函数;其次,基于插值函数的收敛性分析,利用区域采样和点采样的映射关系,构建参数优化目标函数;最后,利用误差极小化迭代方法获取最优参数,进行图像插值.实验结果表明,该算法时间复杂度较低,且能够有效地保持图像细节信息,消除边缘锯齿现象,具有较高的插值图像质量.     

一种基于切向细分的图像插值算法

提出了一种基于切向细分方法的图像插值算法.使用该算法进行图像插值时无需建立中间连续模型,而且插值系数可为任意正实数.实验结果显示,该算法克服了经典插值后图像的边缘锯齿和模糊效应,应用该法插值所得图像不仅使修正优化后的图像边界清晰,而且拥有更高的信噪比.     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果.为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法.首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理.实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现.     

联合双边图像插值

传统的图像插值算法及其改进算法都存在边缘模糊、边缘锯齿或局部扭曲变形等问题。提出联合双边图像插值,首先采用传统插值算法对原始图像进行插值,将其结果作为导引图像对原始图像进行联合双边上采样,并给出其核函数方差的自适应确定算法。实验结果表明,与传统插值算法相比,该算法明显改进插值图像质量,与已有的绝大多数非线性改进算法相比还提高了插值速度。     

Locally edge-adapted distance for image interpolation based on genetic fuzzy system

This study presents a new adaptive scheme for developing kernel-based interpolation methods that simultaneously enhance spatial image resolution and preserve locally detailed edges. A new edge-adapted distance is first estimated according to local gradients information by combining fuzzy theory with genetic learning algorithm. This estimated distance is then employed in place of the original Euclidean distance in various interpolation methods. Additionally, a learning procedure based on genetic algorithm is presented to obtain crucial parameters of the fuzzy system automatically. Experimental results presented in numerical comparisons and in visual observations verify the effectiveness of the proposed adaptive framework for kernel-based interpolation methods.     

Anisotropic Probabilistic Neural Network for Image Interpolation

This study proposes a novel image interpolation method based on an anisotropic probabilistic neural network (APNN). The proposed method uses an anisotropic Gaussian kernel to improve image interpolation, which causes blurred edges. The objective of this anisotropic Gaussian kernel-based probabilistic neural network is to provide high adaptivity of smoothness/sharpness during image/video interpolation. This APNN interpolation method adjusts the smoothing parameters for varied smooth/edge regions, and considers edge direction. This APNN uses a single neuron to estimate sharpness/smoothness. The proposed method achieves better sharpness enhancement at edge regions, and reveals the noise reduction at smooth region. This study also uses interpolating a slanted-edge image to reveal blurring and blocking effects. Finally, this study compares the performance of these proposed methods with other image interpolation methods.     

Image enlargement based on a step edge model

In compiling a multimedia document we often need to enlarge the size of an image. The traditional pixel repetition method tends to make the edges jagged. On the other hand, the interpolation-based methods tend to make the edges blurry in the enlarging process. In this paper we propose an image magnification method based on a step edge model. Using the model, we are able to define a straight step edge segment with four parameters. In enlarging a digital image, we first derive the parameter values for its step edge segments. This is like extracting the step edges in the corresponding continuous image. Then we re-digitize the step edges in the continuous image with a finer grid to obtain an enlarged image. In this way, the step edges are able to stay well defined after they are enlarged. The experiments show that in both visual comparison and quantitative analysis, the results produced by the suggested step edge model-based approach are consistently and significantly better than that produced by pixel repetition and bilinear interpolation.     

基于ERBF核函数和边界填充的图像插值算法

受传统算法的启发,根据图像相邻像素的关联性,扩充图像边缘像素,采取首行与首列（或者末行与末列）填充的方法,利用ERBF核函数做已知像素点的曲线拟合,解决了采样点中不包含原始图像像素点的缺陷。试验表明,基于ERBF核函数和边界填充的图像插值算法,对原始图像进行隔行隔列抽取25%的像素点得到的低分辨率图像,插值后生成的高分辨率图像和原始图像相比,性能参数PSNR高达33.81dB,高于目前的插值算法,没有阈值选择的困扰。而且,该文提出了用差值图AMI来分析不同算法插值生成图像的比较方法。     

基于Delaunay三角网生长法的并行图像插值方法

提出一种基于Delaunay三角网生长法的并行图像插值方法。该方法通过八邻域备选点减小了最优外接圆搜索范围,并采用了基于点存储的Delaunay边链表,加快了边更新速度,通过划分策略实现了机群环境下的并行图像插值。该方法占内存小,可以解决大数据量的图像插值问题。     

改进的核回归图像恢复

Steering核回归是一种自适应的、有效的图像恢复方法,在图像去噪、放大和去模糊中都得到了广泛应用。但此模型以高斯函数为核函数,故得到的恢复图像边缘,尤其是细小边缘常常会因过分平滑而模糊。提出基于鲁棒统计的各向异性核回归图像恢复模型,该模型在Steering核回归模型基础上,结合各向异性距离,以鲁棒统计权函数代替高斯核函数。大量图像恢复实验结果显示,与Steering核回归方法相比较,所提出方法得到的恢复图像质量显著提高,尤其是在细小边缘保持方面更具有明显优势。     

CPU与散热器

就在Intel即将正式发布革命性了Socket AM2平台，结束了长期在Socket AM2的发布意味着AMPK8将代产品展开正面交锋。